Obtention d'une BP stationnaire à partir d'une BP de prix - page 7
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Alors ..... ? Et alors ? La densité spectrale de puissance n'est pas nécessaire pour les traders car elle ne permet pas de prédire (synthétiser) la forme du signal pour le futur.
Pas nécessairement - une prédiction de retournement est suffisante pour le trading de tendance.
C'est juste votre *assomption* du royaume des mythes. Vous ne pouvez même pas montrer COMMENT vous le feriez (prédire une inversion) avec seulement la densité spectrale de puissance.
Comme nous le savons, les BP stationnaires sont prévisibles s'ils ne sont pas un bruit blanc.
Il existe donc une demande urgente pour convertir les BP de prix non stationnaires en BP stationnaires, mais avec la possibilité d'une conversion inverse.
La variante la plus primitive. Approximativement le prix VR. Extrapolez. La différence entre la TA extrapolée et la TA réelle est également une TA, mais une TA stationnaire. Appelons cette nouvelle BP synthétique.
Extrapoler la BP synthétique. Nous résumons cela par l'extrapolation du prix VR. Si le BP synthétique n'est pas un bruit blanc, la sortie est une prévision - le résultat de la somme des deux extrapolations.
J'étais trop paresseux pour lire tous les messages ici. Je vais donc poser une question qui a peut-être déjà été posée avant moi. Quel est le critère d'approximation ? Quel est l'écart type minimum sur l'intervalle testé ? Et comment choisir la longueur du modèle ?
Pour voir où je veux en venir avec mes questions, prenez le modèle AR comme exemple. Pour l'adapter, divisez les données passées en échantillons de formation, c'est-à-dire en entrées et en sorties. Ajustement du modèle à ces données, soit par régression linéaire, soit par la méthode de Burg, soit par une autre méthode de prédiction linéaire. Vous suggérez qu'après avoir ajusté ce modèle AR, nous devrions calculer les erreurs de prédiction sur les données passées (c'est-à-dire les mêmes erreurs que nous avons essayé de réduire pendant l'ajustement) et ajuster un autre modèle AR à une gamme d'erreurs et ainsi de suite. Cela n'a guère d'intérêt car la longueur du modèle AR doit être choisie de manière à ce que l'erreur d'approximation ait les propriétés d'un bruit blanc. Sinon, vous avez un modèle court et ses erreurs ne se comportent pas comme un bruit blanc, mais comme quelque chose de prévisible. Mais l'ajustement d'un deuxième modèle sous une série d'erreurs, puis d'un troisième et ainsi de suite a le même résultat que l'augmentation de l'ordre (la longueur) du premier modèle AR.
Il est plus correct de construire le premier modèle par étapes, en augmentant la longueur du modèle jusqu'à ce que l'erreur d'approximation se comporte comme du bruit. Beaucoup de choses ont été écrites à ce sujet dans des livres et des articles.
J'étais trop paresseux pour lire tous les messages ici. Je vais donc poser une question qui a peut-être déjà été posée avant moi. Quel est le critère d'approximation ? Quel est l'écart type minimum sur l'intervalle testé ? Et comment choisir la longueur du modèle ?
Pour voir où je veux en venir avec mes questions, prenez le modèle AR comme exemple. Pour l'adapter, divisez les données passées en échantillons de formation, c'est-à-dire en entrées et en sorties. Ajustement du modèle à ces données, soit par régression linéaire, soit par la méthode de Burg, soit par une autre méthode de prédiction linéaire. Vous suggérez qu'après avoir ajusté ce modèle AR, nous devrions calculer les erreurs de prédiction sur les données passées (c'est-à-dire les mêmes erreurs que nous avons essayé de réduire pendant l'ajustement) et ajuster un autre modèle AR à une gamme d'erreurs et ainsi de suite. Cela n'a guère d'intérêt car la longueur du modèle AR doit être choisie de manière à ce que l'erreur d'approximation ait les propriétés d'un bruit blanc. Sinon, vous avez un modèle court et ses erreurs ne se comportent pas comme un bruit blanc, mais comme quelque chose de prévisible. Mais l'ajustement d'un deuxième modèle sous une série d'erreurs, puis d'un troisième et ainsi de suite a le même résultat que l'augmentation de l'ordre (la longueur) du premier modèle AR.
Il est plus correct de construire le premier modèle par étapes, en augmentant la longueur du modèle jusqu'à ce que l'erreur d'approximation se comporte comme du bruit. Beaucoup de choses ont été écrites à ce sujet dans des livres et des articles.
Oh, mec !
Oh, allez, collègue ! ? Personne ici ne connaît même des mots aussi savants (comme vous l'écrivez : "critère", "approximation"), mais connaît exactement 3-4 personnes. Et ils sont manifestement fatigués d'expliquer les vérités simples à tout le monde, alors ils se taisent.
Convertir une série non stationnaire en une série stationnaire est une sorte d'exercice qui n'a rien à voir avec le profit.
>> Rien de tout cela. Ce dont il est question, au sens large, c'est d'obtenir, à partir d'une série non stationnaire de prix, une série stationnaire de bénéfices.
A l'instigation de grasn (ce dont je le remercie), j'ai commencé à développer l'idée suivante.
3. Nous prévoyons ZZ en 2 étapes - achèvement de la vague actuelle et de la suivante. Il est probablement possible d'utiliser un modèle de régression délicat, mais pour l'instant je me limite aux statistiques habituelles.Ce point est le plus important, car il donne les plus grandes amplitudes. Pouvez-vous nous en dire plus ? ;-) Évidemment, il ne s'agit pas d'une statistique, c'est-à-dire qu'il ne s'agit pas seulement de la moyenne des tailles de pas ou même de la distribution de la taille du pas suivant par rapport au précédent.
Rien de tout cela. Ce dont il est question, au sens large, c'est d'obtenir, à partir d'une série non stationnaire de prix, une série stationnaire de bénéfices.
Je ne comprends pas. TS fait des profits et je n'ai pas vu un mot sur TS.
Je ne comprends pas. Le TS fait des profits et je n'ai pas vu un mot sur le TS.
profit=f(série de prix)
Ce point est le plus important car il opère avec les plus grandes amplitudes. Pouvez-vous être plus précis ? ;-) Il ne s'agit évidemment pas des statistiques habituelles, c'est-à-dire pas simplement de la taille moyenne de l'étape ZZ et même pas de la distribution de la taille de l'étape suivante par rapport à l'étape précédente.
Hélas, pour l'instant - distribution. J'envisage de classer les distributions par erreur de prédiction, peut-être y aura-t-il un modèle.
Non.
1. Nous commençons par approximer la série de prix. Nous obtenons la formule d'approximation du prix BP : price_appr(time)
Extrapoler le prix_appr(temps + i).
3. Obtenir le delta synthétique(temps + i) = Open[temps + i] - price_appr(temps + i)
4. Vérifiez delta(x) pour le bruit blanc. Si c'est bruyant, c'est la déception de la grand-mère. S'il ne fait pas de bruit, continuez.
5. Approximer les synthétiques et obtenir la formule : delta_appr(time)
6. Prévision : forecast(time + i + j) = price_appr(time + i + j) + delta_appr(time + i + j)
où : i et j sont des OOS des étapes précédentes. temps, i et j sont des ensembles de temps non chevauchants.
C'est une suggestion intéressante.
Bien que la méthodologie de prédiction ne soit pas tout à fait claire. Qu'est-ce qui est réellement prédit ?
Mais il y a une toute autre tâche à résoudre d'abord.
Comment vérifier si un bruit blanc existe ou non ?
profit=f(série de prix)
Les conversions de BP en quelque chose de plus décent sont nombreuses - tous les indicateurs (ou presque), mais aucun profit n'est visible. Lorsqu'un indicateur est développé, c'est toujours l'idée qui prime, puis la mise en œuvre. Ici, on dit "c'est bien si BP est stationnaire au lieu de non-stationnaire". Qu'est-ce qui est bon ? Le développement de tous les indicateurs vise à refléter une certaine caractéristique de la BP initiale. Ici, une telle tâche n'est pas du tout fixée, la tâche est de statuer sur les caractéristiques du résultat, et ce que ce résultat montrera de la BP initiale est inconnu.
A propos, j'ai vu sur le forum un graphique qui montre que la longueur des bougies dépend de l'heure de la journée.